【摘要】：獼猴桃樹礦質(zhì)元素的含量能夠精準(zhǔn)反映果樹的生長狀況,對后續(xù)實施精細(xì)化、智能化的果園管理具有重要的作用。而傳統(tǒng)的化學(xué)實驗檢測方法耗時費力、過程繁瑣、對樣本有損、時效性也差,難以滿足大范圍、快速、無損的現(xiàn)代化管理需求。本文以獼猴桃葉片為研究對象,基于高光譜技術(shù)在865.11-1715.03nm近紅外波段范圍中建立了全生長過程中獼猴桃葉片氮素含量的預(yù)測回歸模型,實現(xiàn)了對生長過程中獼猴桃葉片含氮量的快速、無損檢測。主要研究內(nèi)容如下:(1)研究了獼猴桃葉片光譜數(shù)據(jù)的預(yù)處理方法。受制于葉片樣本采集與光譜實驗誤差的影響,原始光譜數(shù)據(jù)存在多種噪聲干擾問題,因此采用在一階導(dǎo)數(shù)(First derivative,F-D),二階導(dǎo)數(shù)(Second derivative,S-D),多元散射校正(Multiplicative scatter correction,MSC)和變量標(biāo)準(zhǔn)化(Standard normalized variate,SNV)等方法對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理,結(jié)合預(yù)測分析模型的實驗結(jié)果發(fā)現(xiàn),SNV方法對獼猴桃葉片光譜數(shù)據(jù)的處理效果更好,對光譜數(shù)據(jù)的校正能力更強。(2)基于預(yù)處理的光譜數(shù)據(jù),采用主成分分析(Princeple component analysis,PCA)和競爭性自適應(yīng)加權(quán)算法(Competitive adaptive reweighted sampling,CARS)對全光譜數(shù)據(jù)進(jìn)行特征提取分析,以期剔除干擾波段,降低數(shù)據(jù)維度。分別基于特征提取結(jié)果和全光譜數(shù)據(jù)建立偏最小二乘回歸(Partial least squares regression,PLSR)與支持向量回歸(Support vector regression,SVR)多種預(yù)測回歸模型,其中SNV-CARS-SVR對獼猴桃葉片含氮量的預(yù)測效果較好,相關(guān)系數(shù)Rp為0.8329,均方根誤差RMSEp為0.1777。結(jié)果表明SNV-CARS-SVR的方式能夠較好的預(yù)測整個生長過程中獼猴桃葉片的含氮量。(3)實現(xiàn)了對全生長期獼猴桃葉片氮素含量的建模預(yù)測,其中包括5-7月與7-9月兩個部分,分別比較了全光譜數(shù)據(jù)基于PCA,CARS方式特征提取后的光譜數(shù)據(jù)建立的PLSR與SVR模型,其中5-7月的獼猴桃葉片數(shù)據(jù)采用SNV-CARS-PLSR方式相關(guān)系數(shù)Rp為0.8507,均方根誤差RMSEp為0.1289,表明SNV-CARS-SVR的方式能夠較好的預(yù)測5-7月中獼猴桃葉片的含氮量;而7-9月的獼猴桃葉片數(shù)據(jù)采用CARS-PLSR的方式相關(guān)系數(shù)Rp為0.7478,均方根誤差RMSEp為0.1839,表明CARS-PLSR的方式能夠較好的預(yù)測7-9月中獼猴桃葉片的含氮量。研究表明,基于高光譜技術(shù)實現(xiàn)了對生長過程中獼猴桃葉片含氮量的快速檢測研究,為獼猴桃葉片中氮含量的檢測提供了一種新的方式,在獼猴桃產(chǎn)業(yè)領(lǐng)域的應(yīng)用具有廣闊的開發(fā)前景。
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S663.4;TP391.41
【圖文】：

第二章 實驗數(shù)據(jù)采集與高光譜圖像處理 段下的光譜圖像特征值相除，從而得到相對波段反射強度的圖獼猴桃葉片表面不平造成的光線反射不勻引起的干擾，加強光，得到能夠反映單一波段不具有的光譜信息（蔡健榮等 2009ijlijkijrBVBVBV,,,,,,=表示第k 波段坐標(biāo)為( i ,j)的特征值。 ENVI 軟件分析研究發(fā)現(xiàn)圖 2-2（a）中，基于近紅外波段的高樣本葉片的波段部分重疊，難以分割，需要進(jìn)行波段比處理。95.51nm/1446.11nm 近紅外光譜圖像的波段比處理效果較好，

（a） （b）59.79nm 原始近紅外高光譜圖像 (b) 1595.51/1446.11nm 波段比處理高 Original Near-infrared hyperspectral image (b) The band ratio hyperspectra1595.51/1446.11nm建立掩膜并應(yīng)用割中，閾值對分割效果有著重要作用，閾值偏大或偏小會使樣為樣本。在近紅外高光譜圖像中，由于獼猴桃葉片的光譜反值設(shè)置為 0.64 以分割樣本和背景，并應(yīng)用圓盤結(jié)構(gòu)，進(jìn)行開閉率值為 1，背景為 0 的二值掩膜圖像，如圖 2-3（a）。將原始高運算，去掉背景信息，只留下感興趣區(qū)域，結(jié)果如圖 2-3（b）平均值以便進(jìn)行后續(xù)數(shù)據(jù)分析。

基于高光譜的獼猴桃葉片含氮量快速檢測方法研究線波段范圍 865.11-1715.03nm 作為橫坐標(biāo)，通過應(yīng)用掩膜后得標(biāo)，繪制出所有葉片樣本的近紅外高光譜曲線。由圖 2-4 可的過程中，存在著各種物理及隨機因素造成的噪聲，比如光及樣本背景對樣本的影響等，導(dǎo)致在1300nm附近與150線不平滑。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王麗鳳;張長利;趙越;宋玉柱;王潤濤;蘇中濱;王樹文;;高光譜成像技術(shù)的玉米葉片氮含量檢測模型[J];農(nóng)機化研究;2017年11期

2 劉燕德;鄧清;張光偉;;高光譜技術(shù)的贛南臍橙葉片含氮量分析[J];中國農(nóng)機化學(xué)報;2016年09期

3 安靜;姚國清;朱西存;;蘋果葉片氮素含量高光譜檢測研究[J];國土資源遙感;2016年02期

4 魏麗紅;翟秋喜;;獼猴桃缺素癥葉片診斷[J];北方園藝;2015年02期

5 劉紅玉;毛罕平;朱文靜;張曉東;高洪燕;;基于高光譜的番茄氮磷鉀營養(yǎng)水平快速診斷[J];農(nóng)業(yè)工程學(xué)報;2015年S1期

6 高揚;郭彤;郝留根;胡銀崗;;反射光譜法估計小麥葉片表皮蠟質(zhì)含量的初步研究[J];麥類作物學(xué)報;2014年04期

7 張美芳;何玲;張美麗;郭宇歡;;獼猴桃鮮果貯藏保鮮研究進(jìn)展[J];食品科學(xué);2014年11期

8 朱西存;趙庚星;董芳;王凌;雷彤;戰(zhàn)兵;;基于高光譜的蘋果花磷素含量監(jiān)測模型[J];應(yīng)用生態(tài)學(xué)報;2009年10期

9 蔡健榮;王建黑;陳全勝;趙杰文;;波段比算法結(jié)合高光譜圖像技術(shù)檢測柑橘果銹[J];農(nóng)業(yè)工程學(xué)報;2009年01期

10 李濤;;獼猴桃產(chǎn)銷形勢[J];農(nóng)產(chǎn)品市場周刊;2007年30期

相關(guān)碩士學(xué)位論文 前1條

1 李春梅;陜西獼猴桃果品質(zhì)量安全生產(chǎn)現(xiàn)狀與對策研究[D];西北農(nóng)林科技大學(xué);2015年

本文編號：2761436